Entrevista Mapeada: preparo de entrevista com IA, em produção.
Produto B2C em produção que prepara currículo e entrevista com IA aplicada. Pipeline assíncrono pós-pagamento com geração multi-LLM, saída estruturada, validação de schema, fallback, retentativas, telemetria e encaminhamento para revisão humana quando a automação não atinge os critérios de qualidade.
- Next.js
- TypeScript
- Inngest
- Turso
- Cloudflare R2
- LLMs
O problema observado
Antes de construir, delimitar.
Contexto
Preparar uma entrevista exige ler o par currículo–vaga e produzir material consistente — e isso não pode depender de uma única chamada de modelo nem de saída não validada.
Restrições
- Produto B2C real em produção, sem promessa de aprovação
- Pipeline assíncrono posterior ao pagamento
- Saída estruturada validada por schema, com fallback e retentativas
- Controles contra fabricação de informações e revisão humana quando os critérios não são atendidos
Minha contribuição
- Construção do checkout, armazenamento e processamento assíncrono
- Geração multi-LLM com saída estruturada e validação de schema
- Fallback, retentativas e telemetria de tokens, custo e qualidade
- Gates contra fabricação e encaminhamento para revisão humana
Solução construída
- Pipeline pós-pagamento com Next.js, Inngest, Turso e Cloudflare R2
- Múltiplos LLMs com saída JSON estruturada e validação por schema
- Fallback de provedor, timeouts, retries e rate limiting
- Revisão humana quando a automação não atinge os critérios de qualidade
Como foi verificado
- Validação de schema e contratos de dados no pipeline
- Telemetria de tokens, custo e qualidade por execução
- Benchmark de modelos por qualidade, latência e custo
- Gates contra fabricação e inconsistência
Evidência e visibilidade
Evidência privada ou sanitizada sustenta a descrição, mas não expõe repositório, dados, cliente ou ambiente.
Resultado verificável
Capacidade criada
Produto B2C em produção com pipeline assíncrono confiável pós-pagamento e revisão humana como garantia de qualidade.
O que este case não afirma
Limites da evidência
Produto em produção acessível publicamente. O case não promete aprovação em entrevistas nem publica métricas de uso.
Tem um problema parecido?
Começamos pelo contexto, pelas restrições e pelo critério de verificação. A solução entra depois.
Conte-me o problema